考虑时变位移激励的轴承圆形故障动力学

建立轴承剥落故障的动力学模型是研究轴承故障机理的常用手段,由于滚动体在经过故障区时的接触情况较为复杂,所以准确地建立轴承剥落故障时变激励函数对轴承故障动力学模型的正确性具有很大影响。但是在解决轴承圆形故障时现有的单一化激励函数难以准确表达滚动体与故障的实际接触情况。因此,主要以深沟球轴承外圈剥落故障为研究对象,构建了考虑圆形剥落故障引起的弹性形变和滚动体经过故障区域瞬时位置的时变位移激励模型。研究了滚动体经过外圈圆形故障区域时的接触间隙变化规律,分析了不同故障尺寸的双冲击信号之间的时间间隔特征并通过仿真和实验进行对比的方法验证建立模型的有效性,为研究轴承剥落故障提供了理论支撑。     

微凸体对直齿轮接触特性及疲劳寿命影响分析

齿轮在加载循环过程中,粗糙表面微凸体接触会在齿轮次表面形成应力集中,形成初始疲劳裂纹,降低齿轮使用寿命.为了进一步研究直齿轮表面微凸体曲率半径、高度对表面弹塑性接触特性的影响规律,利用Hertz接触理论和粗糙表面形貌的Greenwood-Williamson理论,建立了粗糙齿面单微凸体法向正接触模型、粗糙齿面弹塑性接触模型和不同粗糙度的粗糙界面接触有限元模型,并验证了模型的正确性.通过模型结果与有限元结果分析得,增大微凸体曲率半径会使接触应力有所降低,微凸体越高所受接触应力越大,且微凸体高度对接触应力的影响大于微凸体曲率半径造成影响.根据模型所得结果利用基于多轴疲劳机理的Smith-Watson-Topper方法预测了不同粗糙表面疲劳裂纹萌生所需的加载循环次数.研究结果进一步丰富了对粗糙表面接触疲劳机理的研究.     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

基于句法依存卷积神经网络的句子相似度计算

句子相似度计算是自然语言处理的一项基础任务,其准确性直接影响机器翻译、问题回答等下游任务的性能。传统机器学习方法主要依靠词形、词序及结构等浅层特征计算句子相似度,而深度学习方法能够融入深层语义特征,从而取得了更好效果。深度学习方法如卷积神经网络在提取文本特征时存在提取句子语义特征较浅、长距离依赖信息不足的缺点。因此设计了DCNN （dependency convolutional neural network）模型,该模型利用词语之间的依存关系来解决该不足。DCNN模型首先通过依存句法分析得到句子中词语之间的依存关系,而后根据与当前词存在一跳或者两跳关系的词语形成二元和三元的词语组合,再将这两部分信息作为原句信息的补充,输入到卷积神经网络中,以此来获取词语之间长距离依赖信息。实验结果表明,加入依存句法信息得到的长距离依赖能有效提升模型性能。在MSRP （microsoft research paraphrase corpus）数据集上,模型准确度和F1值分别为80.33%和85.91,在SICK （sentences involving compositional knowledge）数据集上模型的皮尔森相关系数能达到87.5,在MSRvid （microsoft video paraphrase corpus）数据集上模型的皮尔森相关系数能达到92.2。     

多维灰色模型阶数差异性优化与结构拓展研究

当前多维灰色预测模型对因变量和自变量取相同阶数进行建模,忽略了不同变量数据特征及物理属性之间的差异,导致了模型性能稳定性较差.为此,文章对因变量与自变量阶数进行差异性定义与优化,并引入非线性修正项以拓展模型灰信息结构,在此基础上构建了一种新的多维灰色预测模型.利用该模型对油气管道腐蚀速率进行模拟与预测,结果显示其综合误差(0.321%)优于其它三种主流多维灰色预测模型(3.035%, 2.212%和0.755%),实现了对油气管道腐蚀速率的有效建模.本研究改善了阶数对序列数据的预处理效果和对数据特征的挖掘能力,对提升多维灰色预测模型的建模能力具有积极意义.     

普通高校农村籍贫困生社会融合与综合能力关系研究

普通高校农村籍贫困生综合能力提升对脱贫攻坚取得全面胜利、解决发展不平衡不充分问题、实现人的全面发展和全体人民共同富裕具有重要意义。通过问卷调查,基于中介效应模型,考察普通高校农村籍贫困生的家庭经济条件、社会融合与综合能力之间的关系。研究结果表明:普通高校农村籍贫困生家庭经济条件对其综合能力提升具有显著正向影响;社会融合在家庭经济条件与综合能力之间发挥部分中介效应。从表现形式来看,较好的家庭条件以及较高的社会融合度使普通高校农村籍贫困生综合能力更强。基于家庭经济条件与社会融合对综合能力的促进效应,学校应通过“活动参与”提高农村籍贫困生的成就感、满足感,在团队协作中帮助其建立与同学的良好关系,提升其社会融合度;政府应利用大数据识别贫困生,保证贫困生认定的准确性与隐秘性。     

基于消费者低碳偏好和第三方物流参与决策的供应链协调研究

针对消费者低碳偏好和第三方物流企业(Third-Party Logistics,3PL)对供应链决策造成重大影响的现象,为提高供应链整体的效率,提出了采用支撑收益共享契约( Spanning Revenue-Sharing Contract, SRS)来实现供应链协调;基于消费者低碳偏好构建了制造商、3PL和零售商的4个博弈模型,通过求解,得到了不同情形下供应链博弈的均衡解,研究了3PL提供物流服务和零售商自营物流下消费者低碳偏好对实际碳排放量的影响;通过数值仿真探讨了不同决策情形下消费者环保意识对实际碳排放量、产品需求、供应 链利润和供应链协调的影响。进一步分析发现:初始碳排放量较低时,消费者环保意识的增强可以降低单位产品的实际碳排放量;初始碳排放量较高时,实际碳排放量随着消费者环保意识的增强呈现先降低、后提高的态势。在一定的条件下,无论初始碳排放量高还是低,3PL提供物流服务可以提高制造商和供应链整体的 利润。SRS契约可以有效协调供应链,实现供应链全体成员的帕累托改进。     

电商平台物流策略与零售商需求预测信息共享策略的博弈分析

本文研究了电商平台销售模式中电商平台物流策略和零售商需求预测信息共享策略的博弈关系.针对电商平台和零售商组成的销售系统,考虑零售商拥有私有需求预测信息、电商平台拥有物流模式(零售商自营、平台自营和第三方物流模式)决策权,建立了3种物流模式下的信息共享优化模型,探讨了电商平台物流策略和零售商需求信息共享策略的不完全信息静态博弈及其贝叶斯纳什均衡解.研究发现:物流成本系数较高时,纯战略纳什均衡为电商平台选择零售商自营物流模式,零售商选择隐瞒需求预测信息;物流成本系数较低时,纯战略纳什均衡为电商平台选择电商平台自营物流模式,零售商选择共享需求预测信息.     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于数学规划的应急组织指派优化问题综述

如何采用数学规划方法优化应急组织指派策略,提高大规模自然灾害中人力资源的利用率,减少各种损失是当前亟待解决的重要课题。在应急组织指派优化决策框架的基础上,从任务顺序和目标数量2个维度,梳理了应急组织指派数学规划模型的研究现状;梳理了应急组织指派优化模型求解算法的进展;总结并指出了应急组织指派优化仿真建模中亟待深入研究的问题。